配送范围的生成方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例涉及通信技术领域，公开了一种配送范围的生成方法、装置、电子设备和存储介质，该方法包括获取目标对象对应的第一配送范围和目标区域，并确定目标区域的各子区域单元，其中，目标区域大于第一配送范围，各子区域单元位于第一配送范围之外的目标区域内；根据目标对象的属性信息和位置信息、子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；将扩张子区域单元加入第一配送范围。本发明专利技术扩大了配送范围，弥补了配送范围较小时订单量的不足，从而最大化的利用了现有的配送资源，得到了更为优化的配送范围。

【技术实现步骤摘要】
配送范围的生成方法、装置、电子设备和存储介质
本专利技术涉及通信
，特别涉及一种配送范围的生成方法、装置、电子设备和存储介质。
技术介绍
目前确定商家配送范围的方式一般是：以商户为中心，以配送距离或者配送时长作为半径，生成配送范围。然而，根据现有的以配送距离确定配送范围的方法得到的配送范围，会导致商家存在一些订单难以配送或者配送质量差的区域；根据现有的以配送时长确定配送范围的方法得到的配送范围，由于时长圈是静态的无法随机而变，而骑行速度因受到交通情况、天气情况、骑手情况的约束，是一个动态变化的过程，因此所形成的配送范围不够优化，从而影响了订单配送的效率。
技术实现思路
本专利技术实施方式的目的在于提供一种配送范围的生成方法、装置、电子设备和存储介质，通过剔除一些配送效率较低、配送质量差的区域，以及江河湖海、景区、公园、公墓等物流不能进行配送的无效区域，优化商家的配送范围，提高配送质量。为解决上述技术问题，本专利技术的实施方式提供了一种配送范围的生成方法，包括：获取目标对象对应的第一配送范围和目标区域，并确定目标区域的各子区域单元，其中，目标区域大于第一配送范围，各子区域单元位于第一配送范围之外的目标区域内；根据目标对象的属性信息和位置信息、子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；将扩张子区域单元加入第一配送范围。本专利技术的实施方式还提供了一种配送范围的生成装置，包括：网格获取模块，用于获取目标对象对应的第一配送范围和目标区域，并确定目标区域的各子区域单元，其中，目标区域大于第一配送范围，各子区域单元位于第一配送范围之外的目标区域内；网格判断模块，用于根据目标对象的属性信息和位置信息、子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；网格扩张模块，用于将扩张子区域单元加入第一配送范围。本专利技术的实施方式还提供了一种电子设备，包括至少一个处理器；与至少一个处理器通信连接的存储器；以及分别与处理器和存储器均为通信连接的通信组件，通信组件在处理器的控制下接收和发送数据；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以实现：获取目标对象对应的第一配送范围和目标区域，并确定目标区域的各子区域单元，其中，目标区域大于第一配送范围，各子区域单元位于第一配送范围之外的目标区域内；根据目标对象的属性信息和位置信息、子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；将扩张子区域单元加入第一配送范围。本专利技术的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，计算机可读程序用于供计算机执行如上的配送范围的生成方法。本专利技术实施方式相对于现有技术而言，主要区别及其效果在于：通过预设的配送预测模型筛选获得扩张子区域单元，将满足一定要求的扩张子区域单元加入原有的第一配送范围，扩大了配送范围，弥补了配送范围较小时订单量的不足，从而最大化的利用了现有的配送资源，得到了更为优化的配送范围。另外，根据目标对象的属性信息和位置信息、子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元，具体为：根据目标对象的属性信息和预设的第一配送预测模型，确定子区域单元的预测订单量；当预测订单量大于预设的订单量基准时，根据目标对象的位置信息、子区域单元的位置信息和预设的第二配送预测模型，确定子区域单元的预测配送时长；当预测配送时长小于平均配送时长时，将子区域单元作为扩张子区域单元。首先判断某个子区域单元是否具有会产生订单，当预测会产生订单时，对该子区域单元的配送时长进行判断，若配送时长也较短，则该子区域单元的配送质量和配送效率较高，可作为扩张区域加入目标对象的配送范围。另外，方法还包括：构建第一配送预测模型，第一配送预测模型包括第一预测函数，第一预测函数以对象的属性信息为参数；根据机器学习算法，以目标对象所在城市的一个历史时间段的所有订单的订单特征数据对第一配送预测模型进行训练；根据目标对象的属性信息和预设的第一配送预测模型，确定子区域单元的预测订单量，具体为：在训练后的第一配送预测模型中输入目标对象的属性信息，得到子区域单元的预测订单量。这里通过对订单量进行智能训练，得到最准确的预测数量，当某个子区域单元的预测订单量较大时，可将该子区域单元加入配送范围内。另外，方法还包括：构建第二配送预测模型，第二配送预测模型包括第二预测函数，第二预测函数以对象的位置信息和子区域单元的位置信息为参数；根据机器学习算法，以目标对象所在城市的一个历史时间段的所有订单的配送时长数据对第二配送预测模型进行训练；根据目标对象的位置信息、子区域单元的位置信息和预设的第二配送预测模型，确定子区域单元的预测配送时长，具体为：在训练后的第二配送预测模型中输入目标对象的位置信息和某个子区域单元的位置信息，得到子区域单元的预测配送时长。根据智能训练，得到最准确的预测时长，当某个子区域单元的订单配送的预测时长较小时，可将该子区域单元加入配送范围内。另外，方法还包括：获取目标对象的第二配送范围内各配送单元的订单特征数据，第二配送范围为在第一配送范围中加入扩张子区域单元之后生成的配送范围；根据订单特征数据和预设的第一阈值从配送单元中得到目标配送单元；在第二配送范围内删除目标配送单元。在目标对象的第二配送范围内删除了不符合要求的配送单元，即剔除了扩张之后的配送范围内的一些配送效率较低、配送质量差的区域，优化了商家的配送范围，使配送范围更合理。另外，第一阈值包括有效完成单分位数，订单特征数据包括有效完成单量，根据订单特征数据和预设的第一阈值从配送单元中得到目标配送单元，具体为：判断配送单元的有效完成单量是否小于有效完成单分位数；若配送单元的有效完成单量小于有效完成单分位数，将该配送单元确定为目标配送单元。某个配送单元的有效完成单量较少时，即认为该子区域单元的配送效率较低，在配送范围中剔除该配送单元，可优化目标对象的配送范围。另外，有效完成单分位数根据以下方法得到：确定目标对象对应的配送站点在一个历史时间段内所有对象的配送范围集合；按照有效完成单量大小对配送范围集合内各配送单元进行排序；根据预设的百分比基准确定排序中相应的基准配送单元，将基准配送单元的有效完成单量作为有效完成单分位数。另外，第一阈值包括超时单占比基准，订单特征数据包括超时单量和有效完成单量，根据订单特征数据和预设的第一阈值从配送单元中得到目标配送单元，具体为：判断配送单元的超时单量与有效完成单量之间的比值是否大于超时率占比基准；若配送单元的比值大于超时率占比基准，将该配送单元确定为目标配送单元。某个配送单元的超时概率较大时，即认为该配送单元的配送质量较差，通过剔除该子区域单元，可以提高商家配送范围的合理性。另外，超时单占比基准根据以下方法得到：统计目标对象对应的配送站点在一个历史时间段内所有对象的订单的有效完成单量和超时单量；将所有订单的超时单量与有效完成单量之间的比值，作为超时单占比基准。另外，第一阈值包括超预设时长单占比基准，订单特征数据包括超预设时长单量和有效单量，根据订单特征数据和预设的第一阈值从配送单元中得到目标配送单元，具体为：判断配送单元的超预设时长单量与有效完成单量之间的比值是否大于超预设时长单占比基准；若配送单元的比值大于超本文档来自技高网...

【技术保护点】
1.一种配送范围的生成方法，其特征在于，包括：获取目标对象对应的第一配送范围和目标区域，并确定所述目标区域的各子区域单元，其中，所述目标区域大于所述第一配送范围，所述各子区域单元位于所述第一配送范围之外的所述目标区域内；根据所述目标对象的属性信息和位置信息、所述子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；将所述扩张子区域单元加入所述第一配送范围。

【技术特征摘要】
1.一种配送范围的生成方法，其特征在于，包括：获取目标对象对应的第一配送范围和目标区域，并确定所述目标区域的各子区域单元，其中，所述目标区域大于所述第一配送范围，所述各子区域单元位于所述第一配送范围之外的所述目标区域内；根据所述目标对象的属性信息和位置信息、所述子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元；将所述扩张子区域单元加入所述第一配送范围。2.根据权利要求1所述的配送范围的生成方法，其特征在于，所述根据所述目标对象的属性信息和位置信息、所述子区域单元的位置信息以及预设的配送预测模型，得到扩张子区域单元，具体为：根据所述目标对象的属性信息和预设的第一配送预测模型，确定所述子区域单元的预测订单量；当所述预测订单量大于预设的订单量基准时，根据所述目标对象的位置信息、所述子区域单元的位置信息和预设的第二配送预测模型，确定所述子区域单元的预测配送时长；当所述预测配送时长小于平均配送时长时，将所述子区域单元作为所述扩张子区域单元。3.根据权利要求2所述的配送范围的生成方法，其特征在于，所述方法还包括：构建所述第一配送预测模型，所述第一配送预测模型包括第一预测函数，所述第一预测函数以对象的属性信息为参数；根据机器学习算法，以所述目标对象所在城市的一个历史时间段的所有订单的订单特征数据对所述第一配送预测模型进行训练；所述根据所述目标对象的属性信息和预设的第一配送预测模型，确定所述子区域单元的预测订单量，具体为：在训练后的所述第一配送预测模型中输入目标对象的属性信息，得到所述子区域单元的预测订单量。4.根据权利要求2所述的配送范围的生成方法，其特征在于，所述方法还包括：构建所述第二配送预测模型，所述第二配送预测模型包括第二预测函数，所述第二预测函数以对象的位置信息和子区域单元的位置信息为参数；根据机器学习算法，以所述目标对象所在城市的一个历史时间段的所有订单的配送时长数据对所述第二配送预测模型进行训练；所述根据所述目标对象的位置信息、所述子区域单元的位置信息和预设的第二配送预测模型，确定所述子区域单元的预测配送时长，具体为：在训练后的所述第二配送预测模型中输入目标对象的位置信息和某个子区域单元的位置信息，得到所述子区域单元的预测配送时长。5.根据权利要求1所述的配送范围的生成方法，其特征在于，所述方法还包括：获取目标对象的第二配送范围内各配送单元的订单特征数据...

【专利技术属性】
技术研发人员：叶莺，李淳敏，
申请(专利权)人：拉扎斯网络科技上海有限公司，
类型：发明
国别省市：上海,31